Seberapa Akurat Estimasi Pengeluaran Iklan? Apa yang Salah dengan Alat Spy

Estimasi pengeluaran iklan dari alat intelijen kompetitif mana pun adalah angka hasil pemodelan, bukan fakta yang diamati, dan jawaban jujur tentang seberapa akuratnya adalah: berguna secara indikasi, tidak dapat diandalkan pada tingkat dolar. Tidak ada alat dari luar yang melihat faktur atau data penawaran sebenarnya seorang pengiklan. Yang dilihatnya adalah volume kreatif, pola penempatan, dan perkiraan jumlah impresi, lalu menjalankannya melalui asumsi tentang CPM atau CPC untuk menghasilkan angka dolar yang terlihat tepat tetapi bertumpu pada tebakan beberapa lapisan dalam.

Bagaimana estimasi pengeluaran sebenarnya dibangun#

Estimasi pengeluaran alat spy tipikal mengikuti rantai seperti ini: hitung berapa banyak penempatan atau impresi yang tampaknya diterima oleh kreatif seorang pengiklan, kalikan dengan CPM atau CPC rata-rata yang diasumsikan untuk jaringan dan vertikal tersebut, lalu sajikan hasilnya sebagai "estimasi pengeluaran bulanan". Setiap langkah dalam rantai itu memperkenalkan kesalahan:

1. Penghitungan impresi itu sendiri adalah estimasi. Kebanyakan alat tidak memiliki data impresi langsung dari server iklan, mereka menyimpulkan volume dari seberapa sering dan luasnya sebuah kreatif diamati selama crawling, yang merupakan sampel, bukan sensus.

2. Asumsi CPM/CPC adalah rata-rata yang diterapkan pada semua orang. Harga lelang nyata sangat bervariasi berdasarkan reputasi pengiklan, ketepatan targeting, geo, perangkat, dan waktu tahun. Tarif tunggal yang dicampurkan dan diterapkan di seluruh vertikal akan salah untuk hampir setiap pengiklan individu, terkadang dengan margin yang lebar.

3. Jaringan dan format tidak selalu dipisahkan dengan bersih. Inventori desktop dan seluler, penempatan in-feed versus widget, dan harga geo Tier-1 versus Tier-3 semuanya membawa tarif dunia nyata yang berbeda, tetapi banyak estimasi yang diterbitkan mengaburkannya menjadi satu angka.

Tumpuk ketiga perkiraan itu dan "estimasi pengeluaran" yang dihasilkan dapat dengan mudah meleset dengan kelipatan besar ke kedua arah untuk pengiklan spesifik mana pun, bahkan jika kira-kira benar secara rata-rata di seluruh sampel yang cukup besar.

Mengapa ini bukan kekurangan yang bisa diatasi dengan rekayasa#

Ini bukan kasus satu vendor melakukannya dengan buruk dan yang lain melakukannya dengan baik. Ini struktural: tidak ada orang di luar pengiklan dan jaringan yang memiliki data penawaran dan pengiriman sebenarnya. Bahkan jaringan itu sendiri hanya tahu apa yang ditagihkannya kepada pengiklan spesifik tersebut, bukan apa yang seharusnya menjadi asumsi campuran alat spy. Alat apa pun yang mengklaim angka dolar per-pengiklan yang tepat sedang menyajikan keluaran model dengan kepercayaan diri lebih besar daripada yang didukung oleh data dasarnya.

Untuk apa estimasi pengeluaran sebenarnya berguna#

Terlepas dari ketidaktepatannya, angka pengeluaran hasil pemodelan tidaklah sia-sia, jika digunakan dengan benar mereka menjawab pertanyaan yang berbeda dan lebih jujur:

• Perbandingan relatif. Apakah Pengiklan A kira-kira menghabiskan lebih banyak daripada Pengiklan B di vertikal dan jaringan yang sama? Kesalahan pemodelan bersama cenderung berlaku serupa untuk keduanya, sehingga peringkat di antara mereka seringkali lebih dapat dipercaya daripada angka absolut mana pun.
• Arah tren. Apakah estimasi pengeluaran seorang pengiklan naik atau turun bulan ke bulan? Gerakan indikasi bertahan dari kesalahan pemodelan lebih baik daripada angka absolutnya.
• Perkiraan kasar. Membedakan anggaran uji coba lima digit dari kampanye berkelanjutan tujuh digit biasanya dapat dicapai bahkan dengan model yang berisik; membedakan $40.000 dari $55.000 dengan andal tidak bisa.

Sinyal yang lebih dapat diandalkan daripada estimasi pengeluaran#

Jika tujuan sebenarnya Anda adalah memahami seberapa serius seorang pesaing berinvestasi dalam suatu penawaran, beberapa sinyal yang dapat diamati membawa kesalahan pemodelan lebih sedikit daripada angka dolar turunan:

Ini tidak akan memberikan Anda angka dolar, tetapi akan memberi Anda pembacaan yang lebih jujur tentang skala dan komitmen daripada angka pengeluaran hasil pemodelan yang dibungkus sebagai sesuatu yang tepat.

Cara menggunakan estimasi pengeluaran secara bertanggung jawab jika alat menyediakannya#

Jika Anda melihat estimasi pengeluaran yang diterbitkan di mana pun, perlakukan seperti Anda memperlakukan perkiraan Fermi kasar: berguna untuk mengurutkan hal-hal, tidak aman untuk dikutip sebagai fakta dalam laporan ke klien atau atasan. Beberapa aturan praktis:

• Jangan pernah menyajikan estimasi pengeluaran satu pengiklan sebagai angka pasti dalam pelaporan eksternal; sajikan paling banyak sebagai rentang indikasi.
• Berikan bobot lebih pada estimasi ketika sampel dasarnya (jumlah kreatif, durasi pengamatan) besar; angka pengeluaran yang berasal dari data satu minggu pada satu kreatif membawa kesalahan jauh lebih besar daripada yang dibangun dari pengamatan berkelanjutan berbulan-bulan.
• Periksa silang terhadap sinyal yang diamati langsung (longevity, jumlah kreatif, penyebaran geo) sebelum menarik kesimpulan, dan jika sinyal yang diamati langsung dan estimasi pengeluaran tidak sesuai, percayalah pada yang diamati langsung.

Contoh kerja bagaimana kesalahan bertumpuk#

Katakanlah sebuah alat mengamati kreatif seorang pengiklan muncul di sekitar 200 penempatan penerbit berbeda selama sebulan dan mengasumsikan CPM native campuran untuk vertikal tersebut. Kalikan penempatan dengan jumlah impresi per penempatan yang diasumsikan, lalu dengan CPM yang diasumsikan, dan Anda mendapatkan angka dolar. Sekarang ubah salah satu input: CPM nyata yang dibayar pengiklan spesifik ini bisa dua kali lipat atau setengah dari rata-rata campuran tergantung pada ketepatan targeting dan skor kualitas kreatif mereka, impresi aktual per penempatan dapat bervariasi berdasarkan campuran geo dan perangkat dengan cara yang tidak dilihat model, dan jumlah penempatan yang diamati itu sendiri adalah sampel dari crawling, bukan sensus lengkap dari setiap impresi yang disajikan. Ketiga input itu masing-masing dapat meleset dengan margin yang berarti, dan karena estimasi akhir mengalikannya bersama-sama, kesalahan bertumpuk daripada saling meniadakan. Itulah alasan mekanis mengapa estimasi pengeluaran seorang pengiklan tunggal dapat terlihat percaya diri dan tepat di dashboard sementara sebenarnya tidak dapat diandalkan di bawahnya.

Mengapa OpenAdLibrary tidak menerbitkan angka pengeluaran yang dibuat-buat#

Mengingat betapa banyak tebakan yang mendasari estimasi dolar hasil pemodelan apa pun, kami sengaja tidak membuat angka pengeluaran tepat untuk ditempatkan pada profil seorang pengiklan. Yang kami lacak dan tampilkan adalah apa yang benar-benar dapat diamati: jumlah kreatif, durasi berjalan, kehadiran jaringan, penyebaran geo dan perangkat, semua diambil dari penangkapan berkelanjutan di seluruh jaringan daripada disimpulkan dari asumsi harga. Jika alur kerja Anda bergantung pada mengukur seberapa serius seorang pesaing berinvestasi dalam suatu penawaran, sinyal yang diamati langsung itu, dibahas lebih dalam di cara memperkirakan pengeluaran iklan native pesaing, adalah tempat yang lebih jujur untuk dilihat daripada angka dolar tunggal apa pun yang diberikan alat kepada Anda. Alat intelijen iklan kami dibangun dengan pendekatan data-diamati-pertama yang sama daripada menyajikan tebakan hasil pemodelan sebagai fakta.

Pertanyaan yang layak diajukan ke alat apa pun yang menerbitkan angka pengeluaran#

Jika Anda mengevaluasi estimasi pengeluaran vendor sebelum mengandalkannya, beberapa pertanyaan langsung dapat menembus banyak bahasa pemasaran: Apa sumber data dasarnya, pengamatan yang di-crawl atau umpan data berlisensi? Bagaimana asumsi CPM atau CPC diturunkan, dan apakah bervariasi menurut jaringan, geo, dan vertikal, atau apakah itu satu tarif campuran yang diterapkan di mana-mana? Seberapa besar jendela pengamatan di balik angka seorang pengiklan tunggal, satu minggu crawling menghasilkan estimasi yang jauh lebih berisik daripada pelacakan berkelanjutan berbulan-bulan. Vendor yang dapat menjawab ini dengan jelas lebih jujur kepada Anda daripada yang hanya menyajikan angka dolar yang bersih tanpa metodologi yang dilampirkan.

Intinya#

Estimasi pengeluaran iklan dari alat kompetitif apa pun, termasuk milik kami jika kami menerbitkannya, dibangun di atas asumsi beberapa lapis jauh dari transaksi sebenarnya. Mereka dapat berguna secara indikasi untuk membandingkan pengiklan atau melihat pergeseran tren, tetapi memperlakukan angka dolar spesifik sebagai akurat pada tingkat per-pengiklan adalah kesalahan terlepas dari vendor mana yang menghasilkannya. Jalur yang lebih dapat diandalkan adalah mengamati sinyal yang diamati langsung, volume kreatif, longevity, penyebaran jaringan, dan bernalar dari sana daripada mempercayai angka hasil pemodelan yang terlihat lebih tepat daripada sebenarnya.